云际ucloud

8专题云际计算:面向云际协作的云计算过去十年是云服务提供者独自成长、参与竞争的十年,未来十年将是云服务提供者之间自主协作、合作共赢的十年,未来牵引云计算发展重大需求的将是云际协作.
第一代云计算围绕数据中心,形成了以数据中心为核心的不同层次的服务,包括基础设施层服务(InfrastructureasaService,IaaS)、平台层服务(Plat-formasaService,PaaS)、软件层服务(SoftwareasaService,SaaS)等.
而云计算成功的关键是这些服务的商业模式为市场所接受,同时又推动了互联网服务的平民化.
正是这些服务,塑造了潜力巨大的公有云市场.
随着云服务业务的发展,特别是规模化、多样化和全球化的趋势,单打独斗的云服务提供者面临越来越大的压力.
第一,从云服务提供者自身角度看,云资源边际成本问题越来越突出.
早期的云服务提供者主要来自大型互联网服务提供者,例如AWS来自亚马逊公司,阿里云来自阿里巴巴集团,他们在提供互联网服务的过程中自然催生出提供云服务的技术能力和基础设施,因此对外提供云服务的边际效益高.
然而,随着云服务规模化,特别是应对突发峰值业务需求的出现,云服务消费者往往需要在业务高峰时段获得比平时高出几倍、甚至十几倍的资源,这给云服务提供者的资源利用率带来了压力,其保证服务质量的边际成本越来越高.
第二,从云服务消费者角度看,云计算平台锁定问题越来越尖锐.
云服务的可靠性和安全性一直是云服务消费者关注的问题,云服务提供者通常是从成本的角度承诺云服务的可靠性和安全性.
然而,云服务的宕机和数据丢失事件让云服务消费者对依托单一云服务提供者带来的平台锁定问题心存疑虑,在其业务国际化的过程中,甚至担心平台锁定还会带来更多的经济、政治、社会和文化风险.
对于云服务消费者来说,多云部署服务已成为一种主流的服务部署方式,这种方式可以有效提高服务的可用性,规避平台锁定风险.
第三,从云生态的角度看,合作共赢的服务模式问题越来越现实.
随着云服务市场的发展,云服务提供者的市场竞争日趋激烈,这种竞争已经不限于一个领域、一个国家,而是在世界范围内展开.
为了向地理分布的用户提供服务质量有保证的在线资源,云服务提供者通常将数据中心部署于地理分布的不同位置.
例如,世界最大的云服务提供者AWS于2016年8月进入中国市场,实现服务本地化.
而今年初,中国最大的云服务提供者阿里云也大举布局美国市场.
这与早期航空公司通过向更多目的地国家拓展飞行航线以提供全球化航空服务的方式类似.
然而,随着云服务拓展,仅依靠独家力量难以在合理收益的前提下实施全球经营战略,业界期待形成合作共赢的云生态.
关键词:云计算云际协作云际计算特邀编辑:王怀民史佩昌国防科学技术大学9在互联网服务全球化的背景下,需要迫切解决以上三个问题.
在现代服务领域,国际民航业的全球化发展路径对于云计算的全球化发展具有借鉴意义.
以天合联盟(SkyTeam)、星空联盟(StarAl-liance)和寰宇一家(oneworld)等航空联盟为例,拥有共同战略理念的多个航空公司通过联盟合作的方式,正在共同构建协作共享的全球航线网络.
类似地,由于全球经济、政治、社会、文化等因素的差异,不太可能出现一个控制全球市场的超级云,云服务提供者之间的对等协作成为必然选择.
新一代云计算将是围绕云际协作的云计算.
近年来,学术界和工业界已经针对云际协作开展了大量研究.
2014年国际上出现了名为CrossCloud的研讨会,专门研究多云环境下资源的管理、服务协调与互操作等问题,至今已连续举办三届.
其中,2016年的CrossCloud由欧洲系统年会(EuroSys)举办.
国际上还出现了一系列云际协作的概念,例如InterCloud[1]、SuperCloud[2]、Multi-Cloud、FederatedCloud、CloudServiceBroker[3]、北京大学和南京大学的Internetware,以及国防科技大学的虚拟计算环境等.
这些研究在云计算领域尚未进入主流,其中的一个重要原因是这些技术还没有找到一个支撑云服务提供者自主参与价值共享的机制,这里的首要问题是商业模式,其次才是支撑技术.
比较网格计算与云计算[4]的发展历程,商业模式和支撑技术两个要素并行推进更容易获得成功.
为此,我们将云际协作的商业模式纳入研究视野,提出"软件定义的云际计算"的概念,试图在全球协作的背景下,在云际协作的研究中注入商业模式的要素.
云际计算(JointCloudComputing)是以云服务提供者之间开放协作为基础,通过多方云资源深度融合,方便开发者通过"软件定义"方式定制云服务、创造云价值,实现"服务无边界、云间有协作、资源易共享、价值可转换"的新一代云计算模式,推动互联网从信息传递网络进一步向价值传递网络演进.
云际计算的研究得到国家重点研发计划"云计算和大数据"专项的资助.
云际计算项目研究团队不仅有来自学术界(包括国防科技大学、清华大学、北京大学、上海交通大学、北京航空航天大学、中山大学、中科院软件所等大学和科研机构)的研究者,还包括国内具有代表性的云服务提供者(包括阿里云、UCloud、金山云等产业机构),还有来自国家互联网管理机构的研究者.
他们围绕云际计算体系结构、跨云计算迁移、云际存储、云际互联,以及软件定义的虚拟专用云等方面开展有益探索.
本专题将介绍相关专家近期在云际计算方面的思考与研究进展.
国防科学技术大学教授王怀民等研究者的文章《应对云际计算的挑战》系统介绍了云际计算提出的背景.
文章认为,商业模式和市场因素仍然是影响云计算持续发展的关键因素,互联网服务全球化将成为一种新型商业模式.
今天的云计算技术能否有效支撑(包括eWTP在内的)互联网服务全球化商业模式,取决于云计算模式如何创新.
由此,文章展望了云计算第二个十年的创新发展思路,提出了云际计算的新概念,并深刻阐述了云际计算体系结构、云际协作环境和对等协作机制等核心机理及支撑技术.
清华大学研究员尹浩等研究者的文章《联接云际:云际网络互联的协同服务机制》从实现层面分析了云际协作面临的有别于传统云计算的新挑战:云际网络环境高度波动、不同云服务实体的资源服务具有差异化特点、云际系统各类要素关联关系复杂多变等.
文章提出了云际网络互联与协同服务机制,从网络层、服务层和业务层分别建立可使异构多元化实体云间网络互通、服务协同和可信结算的模型与机制,构建由云际网络互联的软件定义抽象模型,云际服务标准化描述方法与技术,基于区块链的去中心化服务计量与可信协作技术等组成的支撑技术体系.
北京航空航天大学副教授沃天宇等研究者的文章《软件定义的云际存储》概述了云际存储的需求与挑战,针对代表性应用场景与问题提出了软件定义的存储架构和存储模型,进一步从存储的运行机制与管理策略的不同角度分别阐述了云际存储中的10专题可表达性、协同机制、计算效率等核心研究点.
文章认为实现软件定义的云际大数据高效能存储管理,可显著提高系统可靠性、降低数据存储共享的成本和延迟等.
上海交通大学教授陈海波等研究者的文章《跨云计算的机遇、挑战与研究展望》从计算资源管理、抽象与迁移等视角分析了云际计算面临的新挑战.
文章提出通过对云际资源综合模型的探索,对云际资源的一致性、隐私性、可靠性、服务等级协议(SLA)、价格、硬件功能等属性的综合建模,形成系统性、可编程的管理功能体系;利用划分式资源池思想,在云际硬件与应用之间构建资源统一管理的聚合层,实现多尺度聚合以及应用与平台解耦;开发云际的存储聚合系统,支持存储资源的多云聚合,同时简化应用状态的云际迁移,将应用状态与虚拟机状态分离,从而减少云际应用迁移的开销,并以其为前提对跨云计算效能进行有效监控和评价.
北京大学副教授曹东刚等研究者的文章《云际计算中虚拟专用云的动态构建与应用支撑》认为,各领域各行业意图上云的应用场景越来越复杂,此类个性化应用需求将难以由通用云平台提供,需由专门面向特定领域的虚拟专用云提供.
文章提出了虚拟专用云的动态构建方法:覆盖多个相互协作、共享资源的云平台,向下管理各种异构、分布的云资源,提供全时全域的资源服务质量保障,应对应用复杂的时空分布的资源需求和灵活多样的个性化定制需求,向上为特定领域用户的应用运行提供计算框架支撑和安全可靠保障,领域用户在虚拟专用云中可以方便地直接开展数据处理、实验计算、信息服务等个性业务,大大降低用户使用云计算的技术门槛,从而推动云计算应用向更纵深和更广泛方向发展.
希望这几篇文章能够引发更多同行参与对云际计算问题的探索,为我国未来5~10年云计算技术和产业的创新发展贡献智慧,为我国在该领域与国际同行并跑甚至领跑起到积极的促进作用.
致谢:本期专题文章涉及的云际计算项目得到国家重点研发计划的"云计算和大数据"专项的支持(项目编号:2016YFB1000100).
感谢专项总体组专家对本项目研究给予的技术指导,感谢项目各参研单位的专家贡献的智慧.
史佩昌CCF专业会员.
国防科学技术大学助理研究员.
主要研究方向为分布计算技术、操作系统等.
pcshi@nudt.
edu.
cn参考文献[1]GrozevN,BuyyaR.
Inter-Cloudarchitecturesandapplicationbrokering:taxonomyandsurvey[J].
Softw.
Pract.
Exper.
2014,44(3):369–390.
[2]JiaQ,ShenZ,SongW,etal.
Supercloud:opportunitiesandchallenges[J].
ACMSigopsOperatingSystemsReview,2015,49(1):137-141.
[3]MannZA.
Allocationofvirtualmachinesinclouddatacenters-asurveyofproblemmodelsandoptimizationalgorithms[J].
ACMComputingSurveys,2015,48(1):1-34.
[4]FosterI,ZhaoY,RaicuI,etal.
CloudComputingandGridComputing360-DegreeCompared[C]//ProceedingsofGridComputingEnvironmentsWorkshop.
IEEE,2009:1-10.
王怀民CCF会士,CCF系统软件专委会副主任.
国防科学技术大学教授,教育部长江学者特聘教授.
主要研究方向为分布计算技术、中间件、可信计算等.
whm_w@163.
comCCF第十一届常务理事会第四次会议将于2017年6月17~18日在无锡召开